协作机器人视觉感知技术综述：动态环境挑战、统一闭环流水线与未来研究路径

《ARTIFICIAL INTELLIGENCE REVIEW》：Seeing ahead through a state-of-the-art review of visual perception and predictive intelligence for collaborative robots

　　协作机器人（cobots）从孤立的、预编程的机械臂演变为能够与人类、其他机器人和机器高效协同工作的伙伴的进程正在迅速加快。计算机视觉技术的进步使得协作机器人即使在动态且杂乱的场景中，也能对环境进行感知、识别并对操作进行评估。然而，在动态系统中实现更高的检测精度和实时定位仍然是一个挑战，因为大多数现有方法都假设背景杂乱度低且场景复杂度有限。弥合这一差距对于研究和工业部署都至关重要。本文回顾了协作机器人中视觉感知技术的发展，综述了新兴的计算机视觉算法，并探讨了由原始视觉信号、视觉语言模型（VLMs）以及增强/虚拟现实界面共同驱动的统一感知-思考-行动闭环的综合性感知流水线。该综述发现，在高混合、可重构工厂中的协作机器人面临严峻挑战：视野遮挡、光照波动、背景模糊、少样本或零样本物体场景、高速运动，以及实时融合异构数据流的计算问题。此外，协作机器人还需要操作受损物品，这要求视觉算法能够从稀疏线索中推断几何形状并支持自适应抓取。最后，该综述确定了三个互补的研究方向，以实现即插即用的协作机器人：（1）信息感知的传感器融合流水线，仅传输可信体素以减少带宽，同时保持亚毫米级精度；（2）语言条件的规划与控制网络，将自然语言目标映射为平滑且加加速度有界的轨迹；（3）预训练的少样本奖励头，无需定制指标即可评估任务进度，从而闭合强化学习（RL）回路。这些进展的综合运用有望使协作机器人能够仅通过相对较少的示教即可部署运行。